Introducción al taller: Avances de los métodos de IA en ómicas espaciales de células únicas

Área de la Ciencia:

• Biología Computacional
• Genómica
• Biotecnología

Sus antecedentes:

• Las tecnologías de ómicas espaciales de células únicas generan datos moleculares de alta resolución dentro de contextos tisulares.
• La integración de datos multiómicos (transcriptómica, proteómica, metabolómica) es crucial para comprender la heterogeneidad celular.
• La inteligencia artificial (IA) y el aprendizaje automático (ML) ofrecen herramientas poderosas para analizar conjuntos de datos complejos de ómicas espaciales.

Objetivo del estudio:

• Destacar los avances recientes en métodos de IA/ML aplicados a ómicas espaciales de células únicas.
• Discutir los desafíos y oportunidades en la integración y análisis de datos de ómicas espaciales.
• Explorar las aplicaciones traslacionales de las ómicas espaciales impulsadas por IA en enfermedades y medicina de precisión.

Principales métodos:

• Revisión de algoritmos actuales de IA/ML para transcriptómica, proteómica y metabolómica espacial.
• Discusión de métodos para integrar datos de ómicas espaciales multimodales.
• Exploración de enfoques computacionales para modelar interacciones célula-célula y patrones espaciales.

Principales resultados:

• Los desarrollos recientes de IA/ML permiten un análisis más sofisticado de los datos de ómicas espaciales.
• Los nuevos métodos facilitan la integración de diversos conjuntos de datos de ómicas espaciales.
• Están surgiendo conocimientos impulsados por IA para comprender los mecanismos de las enfermedades y guiar la medicina de precisión.

Conclusiones:

• La IA y el ML son transformadores para la investigación de ómicas espaciales de células únicas.
• Se necesita un mayor desarrollo de métodos de IA/ML para una integración e interpretación robusta de datos.
• La aplicación de la IA en ómicas espaciales tiene una promesa significativa para avanzar en la investigación biomédica y la práctica clínica.